---
title: "LLM の応答が空？推論トークンと max_tokens | BroadRouter"
description: "DeepSeek V4.1 Flash、GLM 5.3、Qwen3.8 27B は回答の前に推論し、その推論は max_tokens に含まれます。空の応答を防ぐ方法を説明します。"
url: https://broadrouter.com/ja/guides/reasoning-tokens-empty-response/
lang: ja
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

このページは英語の原文を AI の支援を受けて翻訳したものです。[英語の原文を読む](https://broadrouter.com/guides/reasoning-tokens-empty-response/)（2026-11-16 更新）。

# 推論モデルが空の回答を返す理由

更新日 2026-11-16

見える回答を書き始める前に、モデルが max\_tokens の枠をすべて推論に使い切ったためです。BroadNet Inference の DeepSeek V4.1 Flash、GLM 5.3、Qwen3.8 27B は先に推論し、推論は max\_tokens に含まれます。1,000 トークン以上を確保するか、reasoning\_effort を low にしてください。

短いプロンプトを `max_tokens: 100` で送ると、リクエストは成功したのに `choices[0].message.content` が空になっている。何も壊れてはいません。回答がまだ始まっていなかったのです。

## 何が起きているのか

推論モデルは、見える回答の前に隠れた思考の連鎖（chain of thought）を書きます。この 2 つは 1 つの `max_tokens` の枠を共有しています。上限が小さいと推論がそれを使い切り、標準の chat completions の形式では `finish_reason` が `length` になります。

## 3 つの対処法

**1\. 余裕を持たせる。** BroadNet のドキュメントの推奨どおり、`max_tokens` を 1,000 以上に設定します。[推論モデル向け max\_tokens 計算ツール](https://broadrouter.com/tools/reasoning-token-budget/)を使うと、必要な回答の長さに合わせて上限を決め、コストも確認できます。

**2\. 推論を減らす。** 単純なタスクでは `reasoning_effort` を `low` にします。

```python
import os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

response = client.chat.completions.create(
    model="broadnet/deepseek-v4.1-flash",
    reasoning_effort="low",
    max_tokens=1000,
    messages=[{"role": "user", "content": "Classify: 'refund my order' -> intent?"}],
)
```

**3\. usage を確認する。** モデルが報告する場合、`usage.completion_tokens_details.reasoning_tokens` で推論に使われた量がわかります。

```python
print(response.choices[0].finish_reason)                       # "length" means the budget ran out
details = response.usage.completion_tokens_details             # None if the model doesn't report it
print(details.reasoning_tokens if details else "not reported")
```

ストリームでは `stream_options={"include_usage": True}` を追加すると、同じ usage が最後のチャンクで届きます。[chat completions のストリーミング](https://broadrouter.com/ja/guides/streaming-chat-completions/)を参照してください。

## 推論するモデル

| モデル | 先に推論する |
| --- | --- |
| DeepSeek V4.1 Flash（`broadnet/deepseek-v4.1-flash`） | はい |
| GLM 5.3（`broadnet/glm-5.3`） | はい |
| Qwen3.8 27B（`broadnet/qwen3.8-27b`） | はい |
| BroadNet Gemma 4 VL 26B（`broadnet/gemma-4-26b-a4b`） | 記載なし |

## トラブルシューティング

-   **`content` が空で、`finish_reason` が `length`。** `max_tokens` を上げるか、`reasoning_effort` を `low` にしてください。
-   **`content` が空で、`finish_reason` が `stop`。** 上限は原因ではありません。プロンプトを確認し、レスポンス全体を出力して何が返ってきたかを見てください。
-   **`completion_tokens_details` で `AttributeError` が出る。** そのリクエストではモデルが内訳を報告していません。上の例のように `None` を確認してください。
-   **ストリームで最初のトークンが遅い。** モデルが回答を書く前に推論しています。`reasoning_effort` を下げると待ち時間が短くなることがあります。

一日中エージェントを動かす場合、従量課金では推論トークンがかさみます。[BroadNet の料金計算ツール](https://broadrouter.com/ja/pricing/)で、定額の[無制限プラン](https://broadrouter.com/ja/guides/unlimited-llm-api-sessions/)のほうが安くなるタイミングを確認できます。

## このガイドの用語

[トークン（token）](https://broadrouter.com/ja/glossary/token/)

トークンとは、言語モデルが読み書きするテキストの単位です。モデルのトークナイザーが作る単語、単語の一部、句読点、バイト列のいずれかにあたります。LLM API は利用量をトークンで数え、上限を設け、通常はトークン単位で課金します。

[Chat Completions API（チャット補完 API）](https://broadrouter.com/ja/glossary/chat-completions-api/)

Chat Completions API とは、OpenAI の HTTP エンドポイント POST /v1/chat/completions で、モデル名とロール付きメッセージのリストを受け取り、モデルの次のメッセージを返します。そのリクエストと応答の形は、OpenAI 互換のプロバイダーや SDK が使う共通形式になりました。

[AI エージェント（AI agent）](https://broadrouter.com/ja/glossary/agent/)

AI エージェントとは、言語モデルが目標に向けて自分で手順を決めるシステムです。どのツールを呼ぶかを決め、結果を読み、最終回答を出すか上限に達するまで繰り返します。決まった箇所でモデルを呼ぶ固定のスクリプトは、ふつうワークフローと呼ばれます。

[Chain-of-Thought（CoT、思考の連鎖）](https://broadrouter.com/ja/glossary/chain-of-thought/)

Chain-of-Thought（CoT）とは、言語モデルに最終的な答えの前に途中の推論ステップを書かせる、あるいはその例を示すプロンプトの手法です。算数や論理のような多段階の問題で精度が上がり、今では推論モデルが自動的に生成します。

[max\_tokens（最大出力トークン数）](https://broadrouter.com/ja/glossary/max-tokens/)

max\_tokens とは、モデルが 1 回の応答で生成できるトークン数の上限を決める LLM API のパラメーターです。生成が上限に達すると止まり、応答は途中で打ち切られたものとして、たとえば finish\_reason が "length" になります。

[ツール呼び出し（Function Calling、tool calling）](https://broadrouter.com/ja/glossary/tool-calling/)

ツール呼び出し（Function Calling とも呼ばれます）とは、開発者が定義した関数の実行を求める構造化されたリクエストを、モデルが JSON の引数付きで返す LLM API の機能です。関数を実行して結果を返すのはアプリケーションで、モデル自身がコードを実行することはありません。

## よくある質問

### 推論にも料金はかかりますか？

従量課金では、推論は completion トークンの内訳として報告され、出力の料金で課金されます。DeepSeek V4.1 Flash の無制限プランにはトークンのメーターがないため、追加の費用はかかりません。

### BroadNet Gemma 4 VL 26B は推論しますか？

BroadNet のドキュメントで推論が記載されているのは DeepSeek V4.1 Flash、GLM 5.3、Qwen3.8 27B で、Gemma 4 VL 26B には記載がありません。

### finish\_reason が length のとき、message の content が空なのはなぜですか？

見える回答が始まる前にトークンの枠が尽きたためです。推論モデルは先に推論を書き、そのトークンは max\_tokens に含まれます。max\_tokens を 1,000 以上に上げるか、reasoning\_effort を下げてください。

### reasoning\_effort を low にすると何が変わりますか？

回答する前の推論を少なくするようモデルに指示します。上限が小さくて回答が空になる場合、BroadNet のドキュメントは max\_tokens を増やす代わりの方法としてこれを挙げています。分類や抽出のような単純なタスクに使ってください。

### 推論に何トークン使われたかはどう確認できますか？

モデルが報告する場合は、レスポンスの usage.completion\_tokens\_details.reasoning\_tokens を読みます。ストリームでは stream\_options で include\_usage を true にして送り、最後のチャンクから読み取ります。

## 関連ガイド

-   [OpenAI Python SDK を BroadNet Inference で使う](https://broadrouter.com/ja/guides/openai-python-sdk/)
-   [chat completions のストリーミングと接続切断への対処](https://broadrouter.com/ja/guides/streaming-chat-completions/)
-   [BroadNet Inference のエラーコードとリトライすべき場合](https://broadrouter.com/ja/guides/errors-and-retries/)

実際のワークロードで試してください。新規アカウントには US$5 の初回クレジットがあり、Gemma、文字起こし に使えます。DeepSeek、GLM、Qwen3.8 はチャージが必要です。

[始める](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-guides-reasoning-tokens-empty-response&utm_content=page-cta) ·

**出典**

-   [BroadNet Inference API リファレンス：推論トークンとキャッシュトークン（2026-11-16 確認）（英語）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-guides-reasoning-tokens-empty-response&utm_content=sources#models)
